Machine Learning and AI for Healthcare : Big Data for Improved Health Outcomes

ویرایش: 2nd ed. 
نویسندگان: Arjun Panesar  
سری:  
ISBN (شابک) : 9781484265369, 9781484265376 
ناشر: Apress 
سال نشر: 2021 
تعداد صفحات: 428 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 50,000



این نسخه دوم به‌روزرسانی شده، یک تور راهنما از الگوریتم‌های یادگیری ماشین و طراحی معماری ارائه می‌دهد. این کتاب کاربردهای دنیای واقعی سیستم‌های هوشمند در مراقبت‌های بهداشتی را ارائه می‌کند و چالش‌های مدیریت کلان داده را پوشش می‌دهد.

این کتاب با جدیدترین تحقیقات در زمینه داده‌های عظیم، یادگیری ماشین، و اخلاق هوش مصنوعی به‌روزرسانی شده است. این موضوعات جدید در مدیریت پیچیدگی های داده های عظیم را پوشش می دهد و نمونه هایی از مدل های پیچیده یادگیری ماشین را ارائه می دهد. مطالعات موردی به روز شده از ارائه دهندگان مراقبت های بهداشتی جهانی، استفاده از داده های بزرگ و هوش مصنوعی را در مبارزه با بیماری های مزمن و جدید، از جمله COVID-19 نشان می دهد. پیامدهای اخلاقی مراقبت های بهداشتی دیجیتال، تجزیه و تحلیل، و آینده هوش مصنوعی در مدیریت سلامت جمعیت مورد بررسی قرار می گیرد. شما یاد خواهید گرفت که چگونه یک مدل یادگیری ماشین ایجاد کنید، عملکرد آن را ارزیابی کنید و نتایج آن را در سازمان خود عملیاتی کنید. مطالعات موردی از ارائه‌دهندگان پیشرو مراقبت‌های بهداشتی، مقیاس‌پذیری خدمات دیجیتال جهانی را پوشش می‌دهد. تکنیک‌هایی برای ارزیابی کارایی، تناسب و کارایی برنامه‌های یادگیری ماشین هوش مصنوعی از طریق مطالعات موردی و بهترین روش‌ها، از جمله اینترنت اشیا، ارائه شده‌اند.

شما خواهید فهمید که چگونه می‌توان از یادگیری ماشینی برای استفاده استفاده کرد. هوش سلامت را با هدف بهبود سلامت بیمار، سلامت جمعیت و تسهیل صرفه جویی قابل توجه در هزینه های پرداخت کنندگان مراقبت ایجاد کنید.

آنچه خواهید داشت یادگیری

• درک الگوریتم های کلیدی یادگیری ماشین و استفاده و پیاده سازی آنها در مراقبت های بهداشتی
• پیاده سازی سیستم های یادگیری ماشین، مانند به عنوان تشخیص گفتار و یادگیری عمیق پیشرفته / AI
• مدیریت پیچیدگی های داده های عظیم
• با هوش مصنوعی و بهترین شیوه های مراقبت های بهداشتی، حلقه های بازخورد و عوامل هوشمند آشنا باشید
</ ul>
این کتاب برای چه کسانی است
متخصصین مراقبت های بهداشتی که علاقه مند به یادگیری ماشینی هستند برای توسعه هوش سلامت - با هدف Impr مراقبت از سلامت بیمار، سلامت جمعیت و تسهیل صرفه جویی قابل توجه در هزینه پرداخت کنندگان مراقبت.

This updated second edition offers a guided tour of machine learning algorithms and architecture design. It provides real-world applications of intelligent systems in healthcare and covers the challenges of managing big data.

The book has been updated with the latest research in massive data, machine learning, and AI ethics. It covers new topics in managing the complexities of massive data, and provides examples of complex machine learning models. Updated case studies from global healthcare providers showcase the use of big data and AI in the fight against chronic and novel diseases, including COVID-19. The ethical implications of digital healthcare, analytics, and the future of AI in population health management are explored. You will learn how to create a machine learning model, evaluate its performance, and operationalize its outcomes within your organization. Case studies from leading healthcare providers cover scaling global digital services. Techniques are presented to evaluate the efficacy, suitability, and efficiency of AI machine learning applications through case studies and best practice, including the Internet of Things.

You will understand how machine learning can be used to develop health intelligence–with the aim of improving patient health, population health, and facilitating significant care-payer cost savings.

What You Will Learn

• Understand key machine learning algorithms and their use and implementation within healthcare
• Implement machine learning systems, such as speech recognition and enhanced deep learning/AI
• Manage the complexities of massive data
• Be familiar with AI and healthcare best practices, feedback loops, and intelligent agents

Who This Book Is For
Health care professionals interested in how machine learning can be used to develop health intelligence – with the aim of improving patient health, population health and facilitating significant care-payer cost savings.

Front Matter ....Pages i-xxx
 What Is Artificial Intelligence?  (Arjun Panesar)....Pages 1-18
 Data  (Arjun Panesar)....Pages 19-62
 What Is Machine Learning?  (Arjun Panesar)....Pages 63-83
 Machine Learning Algorithms  (Arjun Panesar)....Pages 85-144
 How to Perform Machine Learning  (Arjun Panesar)....Pages 145-166
 Preparing Data  (Arjun Panesar)....Pages 167-187
 Evaluating Machine Learning Models  (Arjun Panesar)....Pages 189-205
 Machine Learning and AI Ethics  (Arjun Panesar)....Pages 207-247
 What Is the Future of Healthcare?  (Arjun Panesar)....Pages 249-291
 Case Studies  (Arjun Panesar)....Pages 293-349
Back Matter ....Pages 351-407